使用 scipy convolve2d 锐化图像 - 奇怪的结果

Question

我正在尝试使用 scipy 中的 convolve2d 函数来锐化 RGB 图像。代码如下所示。对于卷积，我使用维基百科的锐化内核：https://en.wikipedia.org/wiki/Kernel_(image_processing)

输出看起来很奇怪。我不确定这里有什么不正确的地方。我已经尝试改变数组的数据类型，它给了我一些奇怪的图像。 '''

import numpy as np
from PIL import Image

image = Image.open("1.jpg")
img_array = np.array(image)


def RGB_convolve(image,kern):
    image2 = np.empty_like(image)
    for dim in range(image.shape[-1]):
        image2[:,:,dim]=convolve2d(image[:,:,dim],kern, 'same')
    return image2

KERNEL_sharpen = np.array([[0,-1,0],[-1,5,-1],[0,-1,0]])
im_filtered = RGB_convolve(img_array,KERNEL_sharpen)

output_image = Image.fromarray(im_filtered)
display(output_image)

''' In/Out Image example

更新：Image output after using Adrien Mau's suggestion

Answer 1

我很确定您看到了一些价值观的颠覆。我不明白为什么会这样，但是将内核除以 255 并将初始图像设置为浮点数会产生正确的结果：

import numpy as np
from PIL import Image
import matplotlib.pyplot as plt


import scipy.signal
from scipy.signal import convolve2d

f = "C:/Users/Ordi Calcul/Desktop/Capture.PNG"
image = Image.open( f )
img_array = np.array(image).astype('float')


def RGB_convolve(image,kern):
    image2 = np.empty_like(image)
    for dim in range(image.shape[-1]):
        image2[:,:,dim]=convolve2d(image[:,:,dim],kern, 'same')
    return image2

KERNEL_sharpen = np.array([[0,-1,0],[-1,5,-1],[0,-1,0]]) / 255
im_filtered = RGB_convolve(img_array,KERNEL_sharpen)


plt.figure( figsize=(10,4))
plt.subplot(1,2,1)
plt.imshow( image )
plt.subplot(1,2,2)
plt.imshow( im_filtered )

使用图像你会做：

output_image = Image.fromarray(im_filtered.astype('uint8'))
display(output_image)

使用 scipy convolve2d 锐化图像 - 奇怪的结果

Sharpen image with scipy convolve2d - odd results

python

numpy

scipy